KR20210003386A - 라이다를 이용한 차선 정보 생성 시스템 - Google Patents

Abstract

본 발명은 라이다를 이용한 차선 정보 생성 시스템에 관한 것으로, 본 발명에 따르면 라이다와 정밀지도를 이용하여 차선을 인식하고 자기 차량을 기준으로 하는 상대좌표계 상에서 차선 정보를 생성하고, 이렇게 생성된 차선 방정식을 이용하여 전방의 차선 상태나 굽은 정도를 확인할 수 있다. 이에 따라 자율 주행 차량에서 전방 차선 상태를 예측하고 가감속이나 주행 방향 전환이 안정적으로 이루어질 수 있으며, 기존 카메라를 이용한 방식에서 촬영이 불가능한 상태(빛의 산란 등)에서 차선 인식이 불가능하였던 문제를 보완해 줄 수가 있다.

Description

라이다를 이용한 차선 정보 생성 시스템{System for generating lane information using lidar}

본 발명은 라이다를 이용한 차선 정보 생성 시스템에 관한 것으로, 더욱 구체적으로는 라이다를 이용하여 자기 차량이 주행 중인 차선의 차선 방정식을 생성할 수 있도록 하는 기술에 대한 것이다.

스마트 자동차나 자율주행 자동차 분야에서는 자기 차량의 위치를 정확히 파악(측위)하는 기술, 주변 차량의 움직임을 예측하는 기술과 더불어 차선을 인식한 후 전방의 차선 상태에 따라 안정적인 주행이 가능하도록 하는 기술도 필수적으로 요구된다.

즉 대한민국공개특허 제10-2013-0015978호(2013.02.14. '차선 인식 장치 및 그 방법') 등과 같은 차선 인식 기술을 이용하여 차선을 인식하고 전방의 차선 상태에 따라 가감속 제어나 조향 장치의 제어가 이루어지도록 함으로써 차선 이탈을 방지할 수 있도록 하는 것이다.

하지만 종래의 차선 인식 및 차선 정보 생성 기술들은 차량에 설치된 카메라를 이용하여 차량 주변의 지면을 촬영하고, 촬영된 영상에서 차선 정보를 추출하는 방식을 사용하였다. 따라서 카메라를 이용하여 원활한 촬영이 이루어지지 못할 경우에는 차선 인식이 불가능하다는 문제가 있다. 예컨대 터널 입출구와 같이 빛의 변화가 심하게 발생하는 구간이나 전방 차량의 강한 전조등으로 인해 빛의 산란이 발생하여 촬영이 제대로 되지 않을 경우 차선 인식이 어렵다는 것이다.

본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 라이다와 정밀지도를 이용하여 차선을 인식하고, 자기 차량 주변의 차선을 자기 차량 기준의 상대좌표계 상에 대입하여 차선 정보를 생성할 수 있도록 함으로써, 기존 카메라를 이용한 차선 정보 생성 시스템의 오류를 보완해 줄 수 있도록 하는 기술을 제공하는 데 그 목적이 있다.

상기 목적을 달성하기 위한 본 발명에 따른 차선 정보 생성 시스템은, 차량 주변을 스캔하여 객체를 인식하는 라이다; GPS 좌표 정보를 획득하는 GPS모듈; 상기 라이다의 스캔 데이터를 통해 연석을 인식하고 연석과의 상대 거리에 따라 주행 차로를 확인한 후, 정밀지도DB 상에서 추출한 주행 차로 주변의 차선 정보를 자기 차량 기준의 상대좌표계에 대입하여 차선 방정식을 생성하는 차선정보생성수단;을 포함한다.

여기서, 상기 차선정보생성수단은, 상기 라이다에서 인식한 객체에서 연석을 인식하고, 연석까지의 거리를 확인하여 차량이 연석으로부터 몇 번째 떨어진 차로로 주행중인지 확인하는 주행차로확인부; 정밀지도DB로부터 상기 GPS모듈에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 확인하고, 상기 주행차로확인부에서 확인한 차로의 좌우측 차선에 대한 정보를 추출하는 차선데이터추출부; 및 상기 차선데이터추출부에서 추출된 차선 정보를 상기 차량 기준의 상대좌표계 상에 상대 좌표로 변환하여 대입한 후 차선 방정식을 생성하는 차선정보생성부;를 포함할 수 있다.

또한, 상기 라이다의 스캔 데이터에 따른 연석까지의 제1거리정보와, 상기 GPS모듈에서 획득한 GPS 좌표에서부터 상기 GPS에 대응하는 정밀지도에서 추출한 연석까지의 제2거리정보를 이용하여 상기 GPS 좌표 정보를 갱신 출력하는 위치보정수단;을 더 포함하고, 상기 차선정보생성수단은 상기 GPS모듈에서 획득한 GPS 좌표 정보를 대신하여 상기 위치보정수단에서 갱신 출력된 GPS 좌표 정보를 사용할 수 있다.

또, 상기 위치보정수단은, 상기 GPS모듈에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 상기 정밀지도DB로부터 추출하는 지도데이터추출부; 상기 라이다에서 인식한 객체에서 연석을 인식하고, 연석까지의 제1거리정보를 획득하는 제1거리정보획득부; 상기 GPS모듈에서 획득한 GPS 좌표에서부터, 상기 지도데이터추출부에서 추출한 정밀지도 중 상기 GPS 좌표에 대응하는 위치의 연석까지 거리인 제2거리정보를 획득하는 제2거리정보획득부; 상기 제1거리정보 및 제2거리정보의 차이를 이용하여 상기 GPS 좌표 정보의 보정을 위한 좌표 보정 정보를 산출하는 보정정보생성부; 및 상기 좌표 보정 정보를 상기 GPS 좌표 정보에 반영하여 위치 정보를 갱신하는 위치갱신부;를 포함할 수 있다.

본 발명에 따르면 라이다와 정밀지도를 이용하여 차선을 인식하고 자기 차량을 기준으로 하는 상대좌표계 상에서 차선 정보를 생성하고, 이렇게 생성된 차선 방정식을 이용하여 전방의 차선 상태나 굽은 정도를 확인할 수 있다. 이에 따라 자율 주행 차량에서 전방 차선 상태를 예측하고 가감속이나 주행 방향 전환이 안정적으로 이루어질 수 있다.

특히 본 발명에서는 라이다와 정밀지도를 이용하기 때문에 기존 카메라를 이용한 방식에서 촬영이 불가능한 상태(빛의 산란 등)에서 차선 인식이 불가능하였던 문제를 보완해 줄 수가 있다.

더불어, 차선 정보 생성을 위해 정밀지도DB를 이용할 시 GPS모듈의 오차 정보를 오차보정수단에서 보정하여 정확한 좌표를 사용할 수 있기 때문에, 저가형 GPS모듈을 탑재하더라도 정확한 위치 데이터를 확보할 수 있다.

또한 오차가 포함된 GPS 좌표 정보를 보정하기 위해서는 정밀지도 데이터에 포함되는 연석을 라이다를 통해 스캔하고 분석해야 하는데, 객체구분수단을 통해 고정객체인 연석을 정확하게 판단할 수가 있어서, 연석과 유사한 형태의 이동객체를 통해 보정 알고리즘을 적용함으로써 생길 수 있는 오류를 제거할 수가 있다.

즉 위치보정수단은 라이다를 통해 스캔된 객체 중 연석의 형태를 먼저 정확히 파악해야 하는데, 연석과 유사한 형태를 갖는 이동객체를 연석으로 판단할 경우 보정 정보 생성시 오류가 발생할 수 있다. 따라서 본 발명에서는 객체구분수단을 통해 라이다의 스캔 데이터에서 이동객체는 제외한 후 연석을 인지토록 함으로써, 보정 알고리즘 적용시 오류가 발생할 가능성을 차단할 수 있는 것이다.

도1은 본 발명의 실시예에 따른 차선 정보 생성 시스템을 설명하기 위한 블록도.
도2는 도1에 도시된 차선 정보 생성 시스템에서 차선정보생성수단을 설명하기 위한 블록도.
도3은 본 발명의 실시예에 따른 차선 정보 생성 과정을 설명하기 위한 흐름도.
도4는 연석과의 상대 거리를 통해 주행 중인 차선을 확인하는 과정을 설명하기 위한 개념도.
도5는 자기 차량의 위치와 주행 방향에 따른 상대좌표계 상에서 차선 정보를 생성하는 과정을 설명하기 위한 개념도.
도6은 도1에 도시된 측위 정확도 개선 시스템에서 위치보정수단을 설명하기 위한 블록도.
도7은 도1에 도시된 측위 정확도 개선 시스템에서 객체구분수단을 설명하기 위한 블록도.
도8은 본 발명의 실시예에 따른 측위 정확도 개선 방법을 설명하기 위한 흐름도.
도9는 실제 차량 위치에서 연석 사이의 거리와, GPS모듈을 통해 획득한 위치에서 정밀지도상 연석 사이의 거리를 비교 설명 하기 위한 도면.
도10은 실제 차량 위치에서 연삭 사이의 거리와, GPS모듈을 통해 획득한 위치에서 정밀지도 상 연석 사이의 거리 차이를 통해 보정값을 구하는 과정을 설명하기 위한 도면.
도11은 고정객체와 이동객체의 구분 방법을 설명하기 위한 흐름도.
도12는 자기 차량의 정차 상태에서 고정객체를 확정하는 과정을 설명하기 위한 흐름도.
도13은 자기 차량의 이동 상태에서 고정객체와 이동객체를 구분하는 과정을 설명하기 위한 흐름도.
도14는 세 개의 고정객체들 사이의 면적 변화를 설명하기 위한 도면.
도15는 두 개의 고정객체와 한 개의 이동객체 사이의 면적 변화를 설명하기 위한 도면.

이하에서는 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명한다. 다만 발명의 요지와 무관한 일부 구성은 생략 또는 압축할 것이나, 생략된 구성이라고 하여 반드시 본 발명에서 필요가 없는 구성은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 결합되어 사용될 수 있다.

도1은 본 발명의 실시예에 따른 차선 정보 생성 시스템을 설명하기 위한 블록도이다. 차선 정보 생성 시스템(100)은 현재 자기 차량(10)이 주행 중인 차선을 확인하고, 차량(10) 주변의 차선 정보를 생성함으로써 자율 주행 차량이 전방 차선 상황을 예측하고 가감속이나 주행 방향 전환이 이루어지도록 지원하는 시스템이다. 물론 기존의 카메라를 이용하여 도로를 촬영한 후 차선을 인식하고 차선 정보를 생성하는 시스템(미도시)이 차량(10) 내에 이미 탑재되어 있을 수도 있는데, 이 경우 본 발명에 따른 차선 정보 생성 시스템(100)은 카메라를 이용한 차선 정보 생성 시스템을 보조해 주는 역할을 수행할 수 있다.

이러한 차선 정보 생성 시스템은 라이다(110), GPS모듈(120), 차선정보생성수단(160), 위치보정수단(130), 정밀지도DB(137), 객체구분수단(140) 및 객체추적부(150)를 포함한다. 또한 차선 정보 생성 시스템(100)의 각 구성들은 차량(10)에 탑재되어 있으며, 각각의 구성이 하드웨어 구성으로 통합되어 있을 수도 있고, 개별 하드웨어로 구성되어 서로 연동될 수도 있다. 또한 차선 정보 생성 시스템(100)의 일부 구성들은 소프트웨어적으로 설계될 수도 있다.

라이다(110)는 차량(10) 주변의 물체들을 스캔하고 데이터를 취득 및 처리하여 객체를 인식하기 위해 마련된다.

GPS모듈(120)은 위성을 통해 GPS 신호를 수신하여 데이터 처리하여 좌표 정보를 획득하기 위해 마련된다. GPS모듈(120)을 통해 획득한 좌표 정보는 경도값, 위도값을 포함하며, 실시하기에 따라 고도 정보를 더 포함할 수도 있다.

본 발명의 실시예에 따른 차선 정보 생성 시스템(100)에서 사용되는 GPS모듈(120)은 저가형 제품이며, 이에 따라 획득된 좌표 정보는 오차를 가지고 있을 수 있다. 물론 일부 오차가 있다 하더라도 어느 도로에 위치하고 있는지 등은 충분히 확인 가능하지만, 어느 차선에서 주행 중인지 까지 정확히 파악하기 위해서는 보다 정밀한 위치 파악이 필요하다. 이를 위해 위치보정수단(130)이 오차가 있는 GPS 좌표(11G)를 보정해 줄 수 있도록 한다.

차선정보생성수단(160)은 현재 주행 중인 도로에서 차량(10)이 몇 번째 차선에서 주행 중인지 확인한 후, 차량(10) 주변의 차선에 대한 정보를 생성하여 전방의 차선 상태를 예측할 수 있도록 한다.

위치보정수단(130)은 라이다(110)를 통해 스캔된 데이터를 이용하여 GPS모듈(120)에서 획득한 좌표 정보의 오차를 보정하여 GPS 신호의 좌표 정보를 갱신하기 위해 마련된다. 즉 차선정보생성수단(160)에서 차선 정보를 생성할 시에는 보다 정확한 자기 위치 확인이 필요할 수 있는데, 이를 위해 위치보정수단(130)이 오차가 있을 수 있는 GPS 좌표를 보정해 주는 것이다.

객체구분수단(140)은 자기 차량(10) 주변의 사물이 고정객체인지, 이동객체인지 파악하기 위해 마련된다. 즉 위치보정수단(130)은 라이다(110)를 이용하여 연석(192)을 인식한 후 좌표 보정 과정을 거치게 되는데 연석(192)과 유사한 형태의 이동물체가 있을 경우 정확한 위치 보정이 이루어지지 않을 수도 있다. 이를 위해 객체구분수단(140)이 이동물체와 고정물체를 명확하게 구분토록 하는 것이다.

객체추적부(150)는 위치보정수단(130)에서 갱신 출력된 좌표 정보를 활용하여 자기 차량(10)의 정확한 위치 변화와 진행 방향 등을 추적하거나, 자기 차량(10) 주변의 객체를 정밀 추적하기 위해 마련된다.

도2는 도1에 도시된 차선 정보 생성 시스템에서 차선정보생성수단을 설명하기 위한 블록도이다. 도2에 도시된 바와 같이 차선정보생성수단(160)은 주행차로확인부(161), 차선데이터추출부(162) 및 차선정보생성부(163)를 포함한다.

주행차로확인부(161)는 라이다(110)의 스캔 데이터를 이용하여 자기 차량(10)과 연석(196)과의 상대 거리를 측정하고, 측정된 상대 거리를 이용하여 차량(10)이 현재 도로 상에서 어느 차로에서 주행 중인지, 즉 연석(196)으로부터 몇 번 째 떨어진 차로에서 주행 중인지 확인하기 위해 마련된다.

차선데이터추출부(162)는 정밀지도DB(137)로부터 차선 정보를 추출하기 위해 마련된다. 보다 구체적으로 차선데이터추출부(162)는 GPS모듈(120)에서 획득한 GPS 좌표 인근의 차선 데이터를 추출하되, 주행차로확인부(161)에서 확인된 차량(10)의 주행 차로 좌우측의 차선 정보를 추출한다. 물론 GPS모듈(120)에서 획득한 GPS 좌표는 오차가 있을 수 있기 때문에 차선데이터추출부(162)에서 차선 정보를 추출할 때에는 이후 설명하게 되는 위치보정수단(130)에서 보정된 GPS 좌표를 이용하는 것이 바람직하다.

차선정보생성부(163)는 차선데이터추출부(162)에서 추출된 절대적인 차선 정보를 자기 차량(10)의 진행 방향 기준으로 생성되는 상대좌표계 상에 상대 좌표로 변환하여 대입시킨 후 차선 방정식을 생성하기 위해 마련된다.

도2에 도시된 차선정보생성수단(160)에서 차선 정보를 생성하는 과정을 도3을 통해 설명하면 다음과 같다.

도3은 본 발명의 실시예에 따른 차선 정보 생성 과정을 설명하기 위한 흐름도이다. 즉 도1 및 도2에 도시된 차선 정보 생성 시스템(100)에서 차선정보생성수단(160)이 현재 주행 중인 차선을 확인하고 자기 차량(10) 기준의 상대좌표계 상에서 차량(10) 좌우측의 차선 정보를 대입한 후 차선 방정식을 세우는 과정에 대한 것이다.

먼저 라이다(110)를 통해 차량(10) 주변을 스캔하며, 주행차로확인부(161)는 라이다(110)의 스캔 데이터를 통해 연석(196)을 인식<S305>하고, 자기 차량(10)의 위치(11R)에서 연석(196)까지의 거리를 획득한다.

라이다(Lidar)는 전파 대신 직진성이 강한 고출력 펄스 레이저를 발사하고, 그 빛이 주위의 대상 물체에서 반사되어 돌아오는 것을 받아 대상 물체까지의 거리, 방향을 정밀하게 측정할 수 있는 장치를 말한다. 라이다(110)는 렌즈 등 광학부와 레이저 발광/수광부, 레이저 구동부, 레이저 신호를 처리하는 프로세서 등을 포함할 수 있다. 라이다(110)를 이용하면 점의 집합인 점구름(점군, Point cloud) 형태의 고정밀 데이터를 확보할 수가 있고, 폭과 거리, 높낮이까지 반영한 3차원의 점을 한데 모아 사물의 형상 데이터를 추출할 수가 있다. 라이다(110)의 이러한 특징 때문에 자율 주행차에서 객체 인식을 위해 라이다(110)가 필수적으로 탑재되는 추세이다.

도4를 참조하면, 도로의 경계에는 도로와 인도를 구분하기 위한 연석(196)이 설치되어 있다. 연석(196)은 대략 25cm 높이로 도로 경계를 따라 연속적으로 설치되는데, 이러한 특징들을 이용하여 주행차로확인부(161)는 라이다(110)의 스캔 데이터를 분석하여 연석(196)의 형태를 인식하고, 차량(10)과 연석(196)까지의 거리를 획득할 수 있다.

여기서 도로 상에는 다양한 형태의 연석(196)이 여러 위치에서 확인 가능하기 때문에, 본 발명에서는 특정한 규칙을 가지고 연석(196)과의 거리를 획득한다.

먼저, 주행차로확인부(161)는 차량(10)의 진행 방향에서 특정 방향에 위치한 연석(196)만을 측정 대상으로 삼는다. 즉 차량(10)의 좌측 및 우측에 모두 연석(196)이 탐지될 수도 있지만, 본 실시예에서는 차량(10) 진행 방향에 대하여 우측에 위치한 연석(196)만을 탐지 대상으로 삼도록 한다. 또한 주행차로확인부(161)는 연석(196)에서 가장 가까운 거리를 획득한다. 어차피 라이다(110)에서 스캔한 데이터에서 연석(196)들은 수많은 점들의 집합으로 이루어질 것이며, 각 점들의 정보에 거리와 방향에 대한 정보가 있을 것이므로, 주행차로확인부(161)는 이 중 가장 가까운 거리를 획득한다.

이를 통해 주행차로확인부(161)는 연석(196)과의 거리를 통해 차량(10)이 현재 어느 차로를 따라 주행 중인지, 즉 도로의 우측으로부터 몇 번째 차로를 주행중인지 확인<S310>할 수 있다. 대부분의 도로는 차선폭이 규격화 되어 있다. 따라서 차량(10)과 연석(196) 사이의 거리를 알게 되면 차량(10)이 연석(196)으로부터 몇 번째 떨어진 차로에서 주행 중인지 산출할 수 있는 것이다.

한편 위치보정수단(130)에서도 제1거리정보획득부(132)가 연석(196)과의 거리를 측정하게 되는데, 이에 따라 차선정보생성수단(160)의 주행차로확인부(161)는 위치보정수단(130)의 제1거리정보획득부(132)에서 획득한 제1거리정보를 이용하여 주행 차선을 확인할 수도 있다.

이후 차선데이터추출부(162)는 정밀지도DB(137)로부터 차량(10) 주변의 차선 정보를 추출<S315>한다. 보다 구체적으로 차선데이터추출부(162)는 주행차로확인부(161)를 통해 현재 차량(10)이 도로에서 몇 번째 차로를 주행중인지 확인한 결과를 이용하여 해당 차로 좌측과 우측의 차선 정보(191,192)를 추출한다.

또한 차선데이터추출부(162)는 GPS모듈(120)에서 획득한 GPS 좌표 정보를 이용하여 현재 차량(10)의 위치 인근의 차선 정보를 확인할 수 있는데, GPS모듈(120)에서 획득한 GPS 좌표(11G)는 오차를 가지고 있을 수 있기 때문에, 이후 설명하게 되는 위치보정수단(130)에서 보정된 GPS 좌표를 이용하는 것이 바람직하다.

정밀지도DB(137)는 정밀 지도를 저장하고 있는 데이터베이스이다. 정밀지도는 차선 단위까지 상세하게 표현이 가능하며, 더 나아가 신호등, 표지판, 노면 마크, 도로 시설, 건축물, 연석(196) 등의 상세 정보까지 포함한다. 정밀지도DB(137)에 저장되는 정밀 영상 이미지는 수많은 포인트가 모여있는 형태이며, 각각의 포인트는 위도와 경도 등 삼차원 절대 좌표를 가지고 있다.

따라서 차선데이터추출부(162)를 통해 추출되는 차선 정보는 절대적인 좌표값을 가지고 있는 절대 차선 정보이다. 하지만 본 발명에서 차선 정보를 이용하고자 하는 이유는 자기 차량(10) 기준으로 주변 차선이 차량(10) 전방에 어떠한 형태로 펼쳐지고 있는지 예측하기 위함이다. 따라서 자기 차량(10) 기준으로 차선이 어떻게 배치되어 있는지 상대적으로 변환해야 할 필요가 있으며, 이 과정을 차선정보생성부(163)에서 수행한다.

먼저 차선정보생성부(163)는 자기 차량(10)의 위치와 진행 방향에 따른 상대좌표계를 생성<S320>한다. 차선정보생성부(163)가 상대좌표계를 생성할 때에는 차량(10)의 현재 위치와 일정 시간 이전의 직전 위치를 이용한다. 이때 GPS모듈(120)에서 획득한 좌표 정보를 이용할 수도 있지만 보다 정확한 좌표 생성을 위해서는 위치보정수단(130)에서 보정된 값을 이용하는 것이 바람직하다.

즉 차선정보생성부(163)는 위치보정수단(130)으로부터 시차를 두고 보정된 GPS 좌표(12A,12B)를 받는다. 이후 도5에 도시된 바와 같이 보정된 GPS 좌표의 이전값(12A)과 현재값(12B)을 연결한 직선을 x축으로 잡고, 이에 수직한 직선을 y축으로 잡는다. 물론 축 방향 설정은 바뀔 수도 있다.

또한 차선정보생성부(163)는 보정된 GPS 좌표의 현재값(12B)을 원점으로 잡는다. 이에 따라 x축, y축 및 원점이 확정된 자기 차량(10) 기준의 상대좌표계가 생성<S320>된다.

이후 차선정보생성부(163)는 상대좌표계 상에 차선데이터추출부(162)에서 추출된 절대 차선 정보를 상대 좌표로 변환하여 대입<S325>시킨다. 이를 쉬운 예시로 설명하면 다음과 같다. 현재 차량(10)의 좌표가 (3, 3)이고 절대 차선 정보에서 특정 지점 A의 좌표가 (5, 5)라고 할 경우, 상대좌표계에서는 현재 차량(10)의 위치가 원점(0, 0)이 되므로 A 지점은 (2, 2)의 상대적 좌표로 변환되는 것이다. 물론 상대좌표계를 생성할 시 적용한 방향값도 고려되어야 한다.

이렇게 차선정보생성부(163)에서 상대좌표계 상에 절대 차선 정보를 상대 좌표로 변환하여 대입시키면, 상대좌표계 상의 특정 곡선 형태의 차선이 생성된다. 이에 따라 차선정보생성부(163)는 현재 차량(10)의 위치를 원점으로 하는 상대좌표계 상에 그려진 상대 차선 정보를 생성<S330>한다. 상대 차선 정보는 3차 방정식 형태로 생성될 수 있다.

도3의 과정으로 차량(10)의 좌측 및 우측 차선(191,192)에 대한 상대 차선 정보가 생성되면, 자율 주행 차량(10)에서는 상대 차선 정보(3차 방정식)를 통해 전방에 펼쳐진 차선의 형태, 굽은 정도 등을 예측할 수 있고, 이를 통해 가감속이나 주행 방향 전환 등을 수행할 수 있게 된다.

도6은 도1에 도시된 차선 정보 생성 시스템에서 위치보정수단을 설명하기 위한 블록도이다. 즉 도2에 도시된 차선정보생성수단(160)에서 GPS 좌표 정보를 이용할 시 오차가 있는 정보를 대신하여 정확한 GPS 좌표 정보를 이용할 수 있도록 위치보정수단(130)이 활용된다.

도6에 도시된 바와 같이 위치보정수단(130)은 지도데이터추출부(131), 제1거리정보획득부(132), 제2거리정보획득부(133), 진행방향판단부(134), 보정정보생성부(135) 및 위치갱신부(136)를 포함한다.

지도데이터추출부(131)는 GPS모듈(120)을 통해 획득한 좌표 정보에 기반하여, 해당 좌표 인근의 지도 데이터를 정밀지도DB(137)로부터 추출하기 위해 마련된다.

제1거리정보획득부(132)는 GPS모듈(120)에서 획득한 좌표 정보를 올바르게 보정하기 위한 기초자료인 제1거리정보를 획득하기 위해 마련된다. 여기서 제1거리정보란 실제 차량(10)의 위치(11R)에서 연석까지의 거리이며, 이는 라이다(110)를 통해 스캔된 데이터를 활용함으로써 구할 수 있다. 제1거리정보획득부(132)에서 제1거리정보를 획득하는 과정에 대해서는 이하에서 자세히 다룰 예정이다.

제2거리정보획득부(133)는 GPS 좌표 정보를 보정하기 위한 기초자료인 제2거리정보를 획득하기 위해 마련된다. 여기서 제2거리정보란 GPS모듈(120)에서 획득한 좌표와, 정밀지도상에서 해당 GPS 좌표 인근에 위치한 연석까지의 거리를 말한다. 제2거리정보획득부(133)에서 제2거리정보를 획득하는 과정 역시 이하에서 다시 다루어질 것이다.

진행방향판단부(134)는 현재 차량(10)이 주행하고 있는 방향을 판단하기 위해 마련된다. 진행방향판단부(134), GPS모듈(120)에서 획득한 직전 좌표 정보와 이후 좌표 정보를 연산하는 방식으로 진행 방향을 파악하거나, 또는 차량(10)에 고정된 방위각센서를 이용하여 진행 방향을 파악할 수도 있다.

보정정보생성부(135) GPS모듈(120)에서 획득한 좌표 정보를 올바르게 보정하기 위한 좌표 보정 정보를 생성하기 위해 마련된다. 즉 보정정보생성부(135)는 제1거리정보획득부(132), 제2거리정보획득부(133) 및 진행방향판단부(134)에서 획득한 제1거리정보, 제2거리정보 및 진행방향 정보를 이용하여 소정의 연산을 수행하고, GPS모듈(120)에서 획득한 좌표 정보를 얼마만큼 보정해야 하는지 보정정보를 산출한다.

위치갱신부(136) 보정정보생성부(135)에서 생성된 좌표 보정 정보를 이용하여 GPS모듈(120)에서 획득한 GPS 신호의 좌표 정보를 갱신한다. 즉 잘못된 좌표 정보에 좌표 보정 정보를 반영함으로써 올바른 좌표 정보가 출력되도록 하는 것이다.

위치갱신부(136)에서 보정된 좌표 정보가 출력되면 객체추적부(150)에서 칼만 필터(Kalman Filter)를 사용하여 자기 차량(10)의 상태를 추적(Tracking)할 수 있다.

이상 설명한 위치보정수단(130)은 이하에서 도8을 통해 설명하게 되는 측위 정확도 개선 방법의 설명으로부터 더욱 구체화 될 것이다.

도7은 도1에 도시된 차선 정보 생성 시스템(100)에서 객체구분수단(140)을 설명하기 위한 블록도이다. 도7에 도시된 바와 같이 객체구분수단(140)은 차량이동확인부(141), 특징점추출부(142), 면적연산부(143), 변화율확인부(144) 및 판정부(145)를 포함한다. 객체구분수단(140)은 라이다(110)의 스캔 데이터를 통해 특정 객체의 고정 및 이동 여부를 판정하고, 판정 결과를 객체추적부(150)로 출력함으로써 고정객체 또는 이동객체를 정밀 추적할 수 있도록 한다.

차량이동확인부(141)는 자기 차량(10)이 정지 상태인지 또는 이동 상태인지 확인하기 위해 마련된다. 예컨대 차량이동확인부(141)는 GPS모듈(120)로부터 획득한 좌표 정보를 분석하여 차량(10)의 이동 유무를 확인하거나, 차량(10)의 ECU 등으로부터 관련 정보를 획득하여 이동 유무를 확인할 수 있다.

특징점추출부(142)는 라이다(110)를 통해 객체를 인식하면, 해당 객체의 모서리 또는 꼭지점 등의 특징점을 추출하기 위해 마련된다.

면적연산부(143)는 특징점추출부(142)에서 추출한 특징점 중 선정된 3개의 특징점으로 이루어지는 삼각형의 면적을 산출하기 위해 마련된다.

변화율확인부(144)는 면적연산부(143)에서 시간차를 두고 동일 특징점들의 삼각형 면적을 산출하면, 시간차에 따라 산출된 삼각형의 면적이 얼마만큼 변하였는지 변화율을 확인하기 위해 마련된다.

판정부(145)는 변화율확인부(144)의 확인 결과에 따라 특정 객체가 고정객체인지 또는 이동객체인지 판정하고 그 결과를 출력하기 위해 마련된다.

이상 설명한 객체구분수단(140)에 대해서는 이하 도11 내지 도15를 통해 설명하게 되는 고정객체와 이동객체의 구분 방법에 의해 더욱 명확해질 것이다.

도8은 본 발명의 실시예에 따른 측위 정확도 개선 방법을 설명하기 위한 흐름도이다. 즉 도1 및 도6에 도시된 차선 정보 생성 시스템(100)에서 위치보정수단(130)이 GPS모듈(120)에서 획득한 오차가 포함된 좌표 정보를 올바른 좌표 정보로 갱신한 후 갱신된 정보를 차선정보생성수단(160)에서 활용할 수 있도록 전달하고, 자기 차량(10)의 상태를 추적하는 과정에 대한 것이다.

먼저 GPS 좌표 정보를 보정하기 위해 라이다(110)를 통해 차량 주변을 스캔하며, 제1거리정보획득부(132)는 라이다(110)의 스캔 데이터를 통해 연석(196)을 인식<S805>하고, 실제 차량(10)의 위치(11R)에서 연석(196)까지의 거리, 즉 제1거리정보를 획득<S810>한다.

도9를 참조하면, 도로의 경계에는 도로와 인도를 구분하기 위한 연석(196)이 설치되어 있다. 연석은 대략 25cm 높이로 도로 경계를 따라 연속적으로 설치되는데, 이러한 특징들을 이용하여 제1거리정보획득부(132)는 라이다(110)의 스캔 데이터를 분석하여 연석(196)의 형태를 인식하고, 차량(10)과 연석(196)까지의 거리를 획득할 수 있다.

여기서 도로 상에는 다양한 형태의 연석(196)이 여러 위치에서 확인 가능하기 때문에, 본 발명에서는 특정한 규칙을 가지고 연석(196)과의 거리를 획득한다.

먼저, 제1거리정보획득부(132)는 차량(10)의 진행 방향에서 특정 방향에 위치한 연석(196)만을 측정 대상으로 삼는다. 즉 차량(10)의 좌측 및 우측에 모두 연석(196)이 탐지될 수도 있지만, 본 실시예에서는 진행방향판단부(134)에서 판단한 차량 진행 방향에 대하여 우측에 위치한 연석(196)만을 탐지 대상으로 삼도록 한다.

또한 제1거리정보획득부(132)는 직선 형태의 연석(196)만을 측정 대상으로 삼는다. 즉 곡선 주로라면 연석(196)의 형태 역시 곡선일 것인데, 이렇게 곡선 주로를 진행할 때에는 제1거리정보를 획득하지 않고, 직선 주로를 주행할 때 직선 형태의 연석(196)만을 탐지하도록 한다.

또한 제1거리정보획득부(132)는 직선 형태의 연석(196)에서 가장 가까운 거리, 즉 라이다(110)에서 연석(196)이 이루는 직선까지의 수직 거리를 제1거리정보로 획득한다. 어차피 라이다(110)에서 스캔한 데이터에서 연석들은 수많은 점들의 집합으로 이루어질 것이며, 각 점들의 정보에 거리와 방향에 대한 정보가 있을 것이므로, 제1거리정보획득부(132)는 가장 가까운 거리를 제1거리정보로 획득하면 된다.

또 제1거리정보획득부(132)는 연석(196)이 직선을 이루고 있더라도, 차량(10)이 연석(196)과 평행하게 직진 주행일 때에만 제1거리정보를 획득한다. 즉 도로는 직선 주로이더라도, 차량(10)이 차선을 변경하는 등의 이유로 도로를 가로 질러 주행할 경우에는 차량(10)으로부터 연석(196)까지의 거리가 지속적으로 변화하기 때문에, 제1거리정보를 올바르게 측정할 수가 없다. 따라서 제1거리정보획득부(132)는 연석(196)의 거리를 지속적으로 저장하되 표준 편차가 기 설정된 값 이하인 경우의 값을 제1거리정보로 확정한다.

또한 제1거리정보획득부(132)는 서로 다른 방향의 직선 주행에서 각각 제1거리정보를 획득한다. 도9를 참조하면, 차량이 10시 방향으로 주행할 때, 그리고 1시 방향으로 주행할 때 각각 차량(10)의 우측에 위치한 연석(196)과의 거리를 제1거리정보로 획득하였다.

한편, 제1거리정보 획득 과정과 동시에 GPS모듈(120)에서는 실시간으로 GPS 신호를 수신하여 GPS 좌표 정보를 획득<S815>한다. 본 발명에서 적용되는 GPS모듈(120)은 저가형이기 때문에 획득한 GPS 좌표 정보는 오차를 가지고 있을 수 있다. 즉 도9를 참조하면 획득된 GPS 좌표 정보에 따른 위치는 도면부호 11G로 표시하였는데, 실제 차량(10)의 위치(11R)와 인접하지만 오차로 인해 다른 위치를 가지고 있음을 확인할 수 있다.

GPS모듈(120)에서 좌표 정보를 획득하면 지도데이터추출부(131)는 정밀지도DB(137)로부터 GPS 좌표 정보에 대응하는 인근 영역의 지도 데이터를 추출<S820>한다. 정밀지도DB(137)에 저장된 정밀지도 데이터는 매우 방대하며, 지도데이터추출부(131)는 GPS 좌표 정보를 이용하여 참고될 만한 영역의 지도데이터만 추출한다.

이후 제2거리정보획득부(133)는 지도데이터추출부(131)에서 추출된 정밀 지도 데이터에서 연석에 대한 정보를 획득<S825>한다.

즉 GPS모듈(120)에서 획득한 좌표 정보는 실제 차량 위치와 차이가 있기는 하지만, 인접한 좌표임은 확실하다. 또한 진행방향판단부(134)를 통해 진행 방향도 획득할 수 있게 된다. 따라서 제2거리정보획득부(133)는 추출된 정밀 지도 데이터에서 진행 방향 우측에 위치하는 연석 정보를 확인할 수 있고, 이후 현재 GPS 좌표로부터 정밀지도에서 획득한 연석까지의 최단거리(제2거리정보)를 산출<S830>해낼 수 있다.

제2거리정보획득부(133)에서 GPS 좌표로부터 정밀지도상 연석까지의 제2거리를 산출하는 방식은 여러 가지가 있을 수 있다. 예컨대 정밀지도 데이터에서 연석들의 정보 역시 좌표 정보의 집합으로 표현될 수 있는데, 이를 통해 연석들의 직선 방정식을 구할 수 있고, GPS 좌표에 대응하는 한 점에서부터 연석들로 이루어진 직선까지 수선의 길이를 구함으로써 제2거리정보를 획득할 수 있다.

또한 제2거리정보획득부(133) 역시 제1거리정보획득부(132)와 마찬가지로 특정 조건에서 제2거리정보를 획득한다. 즉 차량(10)의 진행 방향에서 우측에 위치한 연석(196)만을 고려하고, 직선 형태의 연석(196)만을 탐지하며, 차량이 연석(196)과 평행하게 주행중일 때, 그리고 서로 다른 방향의 직선 주행에서 각각 제2거리정보를 획득한다.

제1거리정보획득부(132) 및 제2거리정보획득부(133)에서 각각 제1거리정보와 제2거리정보를 획득하면, 보정정보생성부(135)는 제1거리정보와 제2거리정보의 차이(rel_error_y, rel_error_x), 그리고 연석(196)을 향한 방향 정보를 이용하여 GPS 좌표를 보정해야 할 보정 정보를 생성<S835>한다.

한편, 도9에서 도면부호 11G는 GPS 좌표 정보에 따른 위치를 나타낸 것이고, 도면부호 11R은 실제 차량(10)의 위치를 나타낸 것이라고 설명한 바 있다. 하지만 보다 엄밀하게 설명하면 도9는 GPS 좌표(11G)로부터 연석(196)까지의 방향과 거리(제2거리), 그리고 실제 차량(11R)으로부터 연석(196)까지의 방향과 거리(제1거리), 그리고 제1거리와 제2거리의 차이(rel_error_y, rel_error_x)를 직관적으로 보여주기 위한 개념도이기 때문에, 도면부호 11G와 11R이 특정 시점에서의 GPS 좌표와 실제 차량(10) 위치를 나타내는 것은 아니다. 예컨대 도9에서 우측 하단에 그려진 10시 방향 주행 차량(11R)이, 진행 방향에서 더 전방이나 후방에 위치하더라도 연석(196)까지의 직선 거리와 방향은 동일할 것이며, 이에 따라 제1거리와 제2거리의 차이(rel_error_y)와 그 방향도 동일하게 측정될 것이고, 도면에서 이를 개념적으로 도시한 것 뿐이다.

도10은 도9에 도시된 예시의 차량(10) 진행에 따라 획득한 제1거리정보 및 제2거리정보를 이용하여 보정값을 구하는 과정을 설명하기 위한 도면이다.

먼저 도9의 우측 하단에 도시된 바와 같이 차량(11R)이 4시에서 10시 방향으로 진행하고 있을 때, 제1거리정보획득부(132) 및 제2거리정보획득부(133)에서 각각 제1거리정보와 제2거리정보를 측정하면, 보정정보생성부(135)는 제1거리정보와 제2거리정보의 차이(rel_error_y)를 구한다. 또한 진행방향판단부(134)는 차량(11R)의 진행 방향을 상시로 파악하고 있기 때문에, 제1거리정보 및 제2거리정보에는 방향 정보도 포함되어 있고, 이에 따라 rel_error_y 역시 방향 정보를 포함하고 있다.

보정정보생성부(135)에서는 이렇게 획득한 제1 주행방향에 따른 차이정보(rel_error_y)에서 위도 성분과 경도 성분을 추출한다. 또한 보정정보생성부(135)는 7시에서 1시 방향으로 주행하고 있는 제2 주행방향에 따른 차이정보(rel_error_x)에서도 위도 성분과 경도 성분을 추출하고, 이를 연산하여 위도 보정 정보 및 경도 보정 정보를 구해낸다.

제1거리정보와 제2거리정보의 차이는 미터값이다. 하지만 GPS 좌표를 보정하기 위해서는 위도, 경도의 값을 보정해야 한다. 이를 도10에 도시된 좌표계로 설명하면 다음과 같다.

도10에 도시된 바와 같이 방위 좌표계 상에 차이정보인 rel_error_y와 rel_error_x를 각각 표시한다. 차이정보는 측정된 길이와 방향 정보를 가지고 있기 때문에 방위 좌표계 상에서도 해당 방향으로 특정 길이의 벡터를 표시해 줄 수 있다. 도10에서는 rel_error_x를 원점에서 출발하여 2사분면을 향하도록 도시하였고, rel_error_y는 rel_error_x의 종단에서 시작하여 1사분면을 향하도록 도시하였다. rel_error_y를 rel_error_x의 종단에서 시작하도록 표시한 것은 단순히 설명을 편하게 하기 위함이며, rel_error_y 역시 원점에서 시작하도록 도시하여도 된다.

각각의 차이정보인 rel_error_x와 rel_error_y에는 위도 성분과 경도 성분이 모두 포함되어 있다. 즉 차이정보인 rel_error_x와 rel_error_y는 최초 길이 정보이지만, 방위 좌표 상에 도시할 때에는 해당 길이에 대응하는 위도와 경도의 값으로 변환하여 도시한다. 물론 이 모든 과정은 보정정보생성부(135)에서 미리 설정된 알고리즘에 의해 수행된다.

이후 보정정보생성부(135)는 rel_error_x의 위도 성분(com_lat_rel_error_x)과, rel_error_y의 위도 성분(com_lat_rel_error_y)을 합산하여 최종 위도 보정 정보(com_lat)를 생성한다. 더불어 보정정보생성부(135)는rel_error_x의 경도 성분(com_lon_rel_error_x)과, rel_error_y의 경도 성분(com_lon_rel_error_y)을 합산하여 최종 경도 보정 정보(com_lon)를 생성한다.

도9의 실시예에서는 제1 주행방향(4시에서 10시 방향)과 제2 주행방향(7시에서 1시 방향)이 서로 직각을 이루고 있기 때문에, 이렇게 획득한 차이정보(rel_error_y, rel_error_x)를 도10의 방위 좌표 상에 그대로 표시한 후 위도 성분과 경도 성분을 구해내더라도 무방하다. 하지만 제1 주행방향과 제2 주행방향이 서로 직각을 이루고 있지 않다면, 보정정보생성부(135)는 삼각함수를 이용하여 제2 주행방향을 통해 획득한 rel_error_x 값이 제1 주행방향을 통해 획득한 rel_error_y에 수직이 될 때 대응되는 값이 되도록 변환시키고, 이후 최종 보정 정보를 산출한다.

보정정보생성부(135)에서 위도 보정 정보(com_lat)와 경도 보정 정보(com_lon)를 포함하는 보정 정보를 생성<S835>하면, 위치갱신부(136)는, GPS 좌표 정보에 보정 정보를 반영함으로써 GPS 신호의 좌표 정보를 갱신<S840>할 수 있다. 즉 GPS모듈(120)에서 획득한 좌표 정보는 도면부호 11G의 위치였지만, 좌표 보정 정보를 반영하면 실제 차량(10)의 위치 정보로 갱신되어 출력된다. 이는 이후 수신되는 GPS모듈(120)의 수신 신호에도 반영함으로써 좌표 오차를 실시간 보정해 줄 수 있다. 물론 오차율 역시 시시각각으로 바뀔 수 있기 때문에 앞선 과정은 일정 시간을 두고 반복 수행함으로써 항상 최신의 보정 정보가 반영될 수 있도록 한다.

위치갱신부에서 보정된 GPS 좌표 정보가 출력되면 객체추적부(150)는 정확하게 보정된 좌표 정보를 이용하여 객체(여기서 객체는 자기 차량(10)을 말함)를 추적(tracking)<S845>한다. 이때 객체추적부(150)는 칼만 필터(Kalman Filter)를 이용하여 차량(10)의 상태를 추적한다. 칼만 필터는 상태 예측(state prediction)과 측정 업데이트(measurement update)를 반복적으로 수행하여 차량(10)의 현재 상태와 이후 움직임을 추정한다.

이상 설명한 바와 같이, 본 발명에 따르면 저가형 GPS모듈(120)을 탑재하더라도, 라이다(110)와 정밀지도 데이터를 활용하여 GPS 좌표의 오차를 확인할 수 있고, 확인된 오차만큼 GPS 좌표 정보를 보정함으로써 정확한 위치 데이터를 확보할 수 있다. 따라서 자율주행 자동차 분야에서 낮은 가격으로 차선 정보 생성 시스템(100)을 적용시킬 수 있어서 자율주행 자동차의 상용화를 앞당길 수 있다.

한편, 위치보정수단(130)의 보정 정보 생성 과정을 살펴보면, 라이다(110)를 통해 스캔된 데이터에서 연석을 정확하게 인식해야 한다. 하지만 차량(10) 주변에 연석 형태와 유사한 이동객체가 위치할 경우, 연석이 아닌 이동객체를 연석으로 오인할 가능성이 있다.

이를 위해 위치보정수단(13)의 제1거리정보획득부(132)는 스캔 데이터를 분석하여 연석 형태의 객체라 하더라도 높이가 기준(연석의 높이가 통상적으로 25cm이므로, 50cm를 기준으로 잡을 수 있음)을 초과할 경우에는 객체가 연석이 아니라고 판단할 수 있다.

또한 높이가 기준을 초과하지 않더라도 연속된 형태의 다른 물체가 인식되는 경우도 있을 수 있다. 예컨대 수많은 자전거들이 도로 주변을 따라 무리를 지어 진행하고 있는 경우를 말한다. 이 경우 자전거에서 동일한 지점을 연결한 직선이 연석 형태로 오인될 가능성이 있다. 따라서 본 발명에 따른 차선 정보 생성 시스템(100)은 위치보정수단(130)의 제1거리정보획득부(132)에서 연석 형태를 인식할 시, 이동객체는 완전히 배제시키고 고정객체 중에서 연석 형태를 인식할 수 있도록 한다. 이동객체와 고정객체의 구분 판단은 객체구분수단(140)에서 이루어진다.

이하에서는 도11 내지 도15를 통해 고정객체와 이동객체를 구분하는 과정을 자세히 설명토록 한다.

도11은 본 발명의 실시예에 따른 고정객체와 이동객체의 구분 방법을 설명하기 위한 흐름도이다. 즉 도1 및 도7에 도시된 차선 정보 생성 시스템(100)의 객체구분수단(140)이 객체를 인식하고 이동/고정 여부를 파악하는 과정에 대한 것이다.

먼저 고정 또는 이동 여부 판단을 위해 라이다(110)를 통해 객체를 인식<S1105>한다. 라이다(110)를 통해 객체를 인식한 이후 특징점추출부(142)는 각 객체의 특징점을 추출<S1110>한다. 라이다(110)를 통해 취득한 데이터는 거리와 방향에 대한 정보를 갖는 점의 집합이다. 이들 점의 집합을 필터링하여 특정 객체의 면이나 모서리를 구분할 수 있고, 모서리들이 만나는 꼭지점 등도 구분이 가능하다. 특징점이란 해당 객체에서 기준으로 삼을만한 점, 예컨대 특정 모서리들이 만나는 꼭지점이 될 수 있다.

특징점추출부(142)에서 라이다(110)를 통해 스캔된 데이터를 통해 복수 객체에 대한 특징점이 추출<S1110>되고 나면, 특징점추출부(142)는 여러 개의 특징점 중 3개의 특징점을 확정하고, 면적연산부(143)는 3개의 특징점으로 이루어지는 삼각형의 면적을 산출<S1115>한다.

즉, 각각의 특징점은 자기 차량(10)을 기준으로 거리와 방향 정보를 가지고 있다. 따라서 특징점들을 자기 차량(10) 기준의 상대좌표계 상에 둘 수 있고, 각 좌표정보들을 통해 면적연산부(143)가 삼각형의 면적을 연산할 수가 있다. 평면 좌표 또는 공간 좌표 상에서 3개 지점의 좌표 정보를 알고 있다면 정해진 공식에 의해 3개 지점을 꼭지점으로 하는 삼각형의 면적을 구할 수가 있다.

이때 면적연산부(143)는 삼각형의 면적을 한번만 연산하는 것이 아니고, 시간차를 두고 스캔한 데이터에 대해서 수회 반복(예컨대 10회)하여 동일 특징점들의 삼각형 면적을 산출한다. 이렇게 시간차를 두고 동일 특징점들에 대한 삼각형 면적을 산출하면, 변화율확인부(144)에서 면적 변화율을 확인 할 수 있고, 판정부(145)는 변화율확인부(144)에서 확인한 삼각형의 면적 변화율에 따라 고정객체와 이동객체를 구분<S1120>한다.

즉 삼각형의 면적 변화율이 미리 정해진 기준 미만이라면, 판정부(145)는 세 개의 특징점들에 대응하는 객체들 모두 고정객체라고 판단하는 것이며, 기준 이상이라면 적어도 하나의 특징점들에 대응하는 객체는 이동객체라고 판단하는 것이다.

물론 정확한 고정/이동 여부를 판단하기 위해서는 동일한 객체들 간의 면적 변화율이 아닌 서로 다른 객체들에 대한 산출도 이루어져야 하며, 이렇게 크로스 체크를 통해 정확하게 고정/이동객체 여부를 검증<S1125>해 낼 수 있다.

본 발명에서는 정확한 고정/이동객체 판단을 위해 차량(10)이 정차한 상태에서 먼저 고정객체를 확정하고, 이후 차량(10)이 움직일 때 특정 객체가 고정상태인지 이동상태인지 검증한다. 이에 대하여 도12 및 도13을 통해 설명토록 한다.

도12는 자기 차량의 정차 상태에서 고정객체를 확정하는 과정을 설명하기 위한 흐름도이다. 차량이동확인부(141)는 ECU 등과 연계하여 차량(10)의 속도정보를 실시간 수신하며, 이를 통해 차량(10)이 정차 중인지 여부를 확인<S1205>한다. 물론 차량(10)의 정차 여부는 GPS 신호를 통해 체크할 수도 있다.

만약 차량(10)이 정차중인 것이 확인되면<S1210>, 라이다(110)를 통해 자기 차량(10) 주변을 스캔하고 복수의 객체들을 인식<S1215>한다. 또한 특징점추출부(142)는 라이다(110)에서 인식된 복수의 객체들에서 특징점을 추출<S1220>한다.

이후 특징점추출부(142)는 복수 개의 특징점 중 3개의 특징점을 임의로 추출하고, 면적연산부(143)는 3개의 특징점으로 이루어지는 삼각형의 면적을 산출한다. 이때 면적연산부(143)는 시간차를 두고 스캔한 데이터에 대해서 수회 반복(예컨대 10회)하여 동일 특징점들의 삼각형 면적을 산출하며, 변화율확인부(144)는 면적연산부(143)에서 시간차를 두고 산출한 삼각형의 면적 변화율을 확인<S1225>한다.

즉 삼각형의 면적 변화율이 기준 변화율, 예컨대 10% 미만의 변화율을 보이고 있는지 확인하며, 만약 10% 미만의 변화율을 보이고 있다면<S1230>, 판정부(145)는 3개의 특징점에 대응하는 객체들을 모두 고정객체로 확정한다.

만약 삼각형의 면적 변화율이 기준(10%) 이상을 보인다면, 3개 특징점에 대응하는 객체들 중 적어도 하나 이상의 객체는 이동객체라는 것을 의미한다. 하지만 어느 객체가 이동중인지 여부는 현재 시점에서 정확히 확인할 수 없기 때문에 새롭게 라이다(110) 데이터를 스캔하고 새로운 특징점들을 추출하는 이상의 과정을 반복한다.

즉 도12의 과정은 이동객체가 무엇인지 확인하는 것 보다는, 차량(10)이 정차한 상태에서 주변을 스캔하고, 임의로 추출된 3개 객체의 특징점들로 이루어지는 삼각형의 면적 변화율을 확인하여 고정객체가 무엇인지 확정 짓기 위한 과정이다. 따라서 도12의 과정에서 이동객체가 무엇인지 확정하는 것은 큰 의미가 없다.

도12의 과정을 통해 차량(10)이 정차한 상태에서 여러 객체에 대한 고정객체 여부를 확정해 두었다면, 이후 차량(10)이 주행중일 때 특정 대상물의 고정/이동 여부를 정확하게 판단할 수가 있다. 이에 대한 과정을 도13을 통해 설명하면 다음과 같다.

차량이동확인부(141)는 차량(10)의 정차 여부를 확인<S1305>하고, 정차중이라면 앞선 도12의 과정을 통해 고정객체를 판단하는 과정을 다시 수행하고, 만약 정차가 아닌 이동 중인 것이 확인된다면<S1310>, 라이다(110) 스캔을 통해 객체를 인식<S1315>한 후 특징점추출부(142)에서 특징점을 추출한다.

이때 특징점추출부(142)는 랜덤한 3개의 객체들에 대한 특징점을 추출하는 것이 아니고, 도12의 과정을 통해 정차 상태에서 확정하였던, 즉 고정객체 2개와 고정인지 이동인지 여부를 판단하고자 하는 새로운 객체의 특징점 1개를 추출<S1320>한다. 여기서 판단하고자 하는 객체는 이번 과정에서 새롭게 인식된 객체일 수도 있고, 앞선 도12의 과정에서 고정객체인지 이동객체인지 정확하게 확인되지 않은 객체일 수도 있다. 즉 고정/이동 여부가 궁금한 객체를 고정 여부가 확실한 2개의 객체와 대응시켜 판단을 내리고자 하는 것이다.

이렇게 3개의 특징점이 추출(고정 2, 판단대상 1)되고 나면, 면적연산부(143)는 3개의 특징점으로 이루어지는 삼각형의 면적을 시간차를 두고 여러번 연산하며, 변화율확인부(144)가 면적연산부(143)에서 연산한 삼각형 면적의 변화율을 확인<S1325>한다.

만약 삼각형의 면적 변화율이 기준(10%) 미만인 것이 확인되면<S1330>, 판정부(145)는 판단하고자 하는 객체를 고정객체로 확정<S1335>한다.

즉 자기 차량(10)이 움직이는 상태라면 고정된 물체라 하더라도 자기 차량(10) 기준의 상대좌표는 달라지게 마련이다. 하지만 상대좌표계 상에서 이루어지는 고정된 3개 지점이 이루고 있는 삼각형의 면적은 변화하지 않게 된다. 따라서 자기 차량(10)의 움직임 여부와 관계 없이 고정상태가 확인된 2개의 특징점과 판단 대상이 되는 특징점 1개가 이루는 삼각형의 면적 변화가 없다면, 판단 대상이 되는 특징점 1개에 대응하는 객체는 고정객체임이 확실한 것이다.

반면, 고정객체 2개의 특징점과 판단 대상 객체 1개의 특징점의 면적 변화율이 기준 이상인 것으로 확인되면<S1330>, 판정부(145)는 판단 대상이 되는 객체를 이동 객체로 확정<S1340>한다. 이렇게 이동 객체가 확정되면 객체추적부(150)가 해당 객체를 집중적으로 추적(tracking)할 수 있다. 또한 판정부(145)에서 고정객체가 확정되면, 확정 결과가 위치보정수단(130)으로 제공되며, 이에 따라 위치보정수단(130)의 도로정보추출부가 보정 정보 생성을 위한 특정 객체의 특징점을 추출할 시, 라이다(110)의 스캔 데이터와 정밀 지도 데이터에서 모두 포함되어 있는 고정객체에 대한 특징점만 추출할 수가 있다.

도14 및 도15는 객체들이 이루는 삼각형의 면적 변화를 설명하기 위한 개념도이다. 먼저 도14의 (a)를 참조하면 자기 차량(10)의 라이다(110)의 스캔에 의해 제1객체(210), 제2객체(220) 및 제3객체(230)를 인식할 수 있고, 특징점추출부(142)는 각 객체들로부터 특징점1-1(211), 특징점2-1(221) 및 특징점3-1(231)을 추출한 이후, 면적연산부(143)에서 3개 특징점(211,221,231)을 꼭지점으로 하는 삼각형의 면적을 확인할 수 있다.

만약 자기 차량(10)이 도14의 (b)와 같이 이동하는 상태라면 3개 특징점(211,221,231)에 대한 상대좌표 역시 바뀌게 된다. 하지만 3개 특징점(211,221,231)이 고정 상태라면, 자기 차량(10)은 비록 움직이고 있더라도 3개 특징점(211,221,231)이 이루고 있는 삼각형의 면적에는 변화가 없음을 확인할 수 있다.

반면 도15의 (a)와 같이 고정 여부가 확정된 2개의 특징점(211,221)과 판단하고자 하는 제4객체(240)의 특징점4-1(241)을 연결한 삼각형 면적의 경우, 도15의 (b)와 같이 제4객체(240)가 이동함에 따라 삼각형의 면적이 변화하는 것을 알 수 있다. 여기서 2개 특징점(211,221)의 고정 여부가 확실한 상태라면 자기 차량(10)의 움직임 여부와는 관계 없이 특징점4-1(241)에 대응하는 제4객체(240)는 이동객체임을 확정할 수 있다.

본 발명에 따른 차선 정보 생성 시스템(100)의 객체구분수단(140)과 객체 구분 방법에 따르면, 라이다(110)를 통해 서로 다른 세 개의 객체로부터 특징점을 추출하고, 자기 차량(10)을 기준으로 하는 상대좌표계에 따라 세 개의 특징점들이 이루는 삼각형의 면적 변화율에 따라 고정객체와 이동객체를 구분함으로써 정확도가 높다.

즉, 종래의 상대 속도에 따라 이동물체를 구분하는 방식에서는 자기 차량(10)과 상대 물체가 같은 방향으로 같은 속도로 움직일 경우 분명한 이동물체임에도 고정물체로 오판하는 경우가 있었으나, 본 발명에서는 정차 상태에서 고정객체를 확정해 두고, 확정된 두 개의 고정객체와 판단하고자 하는 객체가 이루는 삼각형의 면적 변화율에 따라 이동객체인지 여부를 확인하기 때문에, 자기 차량(10)이 이동 중일 때에도 상대 물체의 고정 및 이동 여부를 정확하게 판단할 수가 있다.

한편 판정부(145)는 도12의 과정을 통해 3개 특징점으로 이루어지는 삼각형의 면적 변화율이 기준 미만일 경우 해당 객체들을 모두 고정객체로 확정한다고 설명한 바 있는데, 이때 고정객체를 더욱 정확하게 판단하기 위한 부가 조건을 더 추가할 수도 있다. 즉 높이 정보까지 고려하여 고정객체인지 확정하는 것이다.

통상적으로 표지판, 신호등, 가로수, 건축물 등의 고정객체는 최상단 지점이 지면으로부터 3미터 이상인 경우가 많다. 반면 자동차(일부 차량(10) 제외), 자전거, 보행자 등의 이동객체는 3미터 미만인 경우가 많다.

따라서 도12의 과정에서 면적변화율이 기준 미만이라 하더라도 해당 객체의 높이, 더욱 구체적으로는 해당 객체에서 추출된 특징점의 높이가 기준높이(예컨대 3미터) 이상일 경우에만 고정객체로 확정하고, 기준높이 미만이라면 다른 객체의 특징점을 이용한 삼각형 면적 연산 과정으로 바로 넘어가는 것이 바람직하다.

예를 들어 특징점의 높이가 3미터 이상이면서 면적 변화율이 기준 미만이라면 해당 특징점을 갖는 객체는 고정객체일 가능성이 매우 크다. 따라서 판정하고자 하는 대상객체의 특징점과 이미 판정된 고정객체 중에서 특징점의 높이가 3미터 이상인 고정객체 2개를 추출하여 이들 3개의 특징점 사이의 면적변화율을 모니터링한다면 이동/고정 여부의 판정이 더 확실해질 수 있다. 즉 3개의 특징점들 사이의 면적변화율이 기준미만인 경우라고 하더라도 이들 3개 객체가 동일한 방향으로 움직이고 있는 객체일 가능성을 배제할 수는 없다. 따라서 이 경우에는 이들 객체 중 어느 하나의 객체의 특징점과 높이가 3미터 이상인 미리 확정된 2개의 고정객체의 특징점으로 이루어지는 삼각형의 면적변화율을 확인해 보면되고, 이를 통해 판정 대상이 되는 객체의 고정객체 여부를 더욱 확실하게 판정할 수 있다.

물론 특징점추출부(142)에서 면적 연산을 위한 3개의 특징점을 추출할 때, 기준높이 이상의 특징점만을 면적 연산 대상으로 뽑는다면, 고정 객체 확정을 위한 연산 속도가 더욱 빨라질 수 있을 것이다.

여기서 특징점의 높이는 상대좌표계를 통한 간단한 삼각함수 공식을 통해 산출할 수 있다. 즉 라이다(110)의 스캔 데이터를 통해 획득한 점 좌표는 거리 및 방향 정보를 포함하고 있어서 자기 차량(10) 기준의 상대좌표계로 나타낼 수 있고, 상대좌표를 알고 있다면 자기 차량(10)과 해당 지점을 잇는 직선이 지면과 이루는 각도 또한 알 수 있다. 이 각도에 대한 사인값에 해당 지점까지의 거리를 곱하면 해당 지점의 높이가 산출된다.

상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면, 본 발명의 사상과 범위 안에서 다양한 수정, 변경 및 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 본 발명의 특허청구 범위에 속하는 것으로 보아야 할 것이다.

10 : 차량
11G : GPS 좌표
11R : 실제 차량 위치
12A : 보정된 GPS 좌표(이전값)
12B : 보정된 GPS 좌표(현재값)
100 : 차선 정보 생성 시스템
110 : 라이다
120 : GPS모듈
130 : 위치보정수단
131 : 지도데이터추출부
132 : 제1거리정보획득부
133 : 제2거리정보획득부
134 : 진행방향판단부
135 : 보정정보생성부
136 : 위치갱신부
137 : 정밀지도DB
140 : 객체구분수단
141 : 차량이동확인부
142 : 특징점추출부
143 : 면적연산부
144 : 변화율확인부
145 : 판정부
150 : 객체추적부
160 : 차선정보생성수단
161 : 주행차로확인부
162 : 차선데이터추출부
163 : 차선정보생성부
191, 192 : 차선
196 : 연석
210 : 제1객체
211 : 특징점1-1
220 : 제2객체
221 : 특징점2-1
230 : 제3객체
231 : 특징점3-1
240 : 제4객체
241 : 특징점4-1

Claims (4)

1. 차량 주변을 스캔하여 객체를 인식하는 라이다;
   GPS 좌표 정보를 획득하는 GPS모듈;
   상기 라이다의 스캔 데이터를 통해 연석을 인식하고 연석과의 상대 거리에 따라 주행 차로를 확인한 후, 정밀지도DB 상에서 추출한 주행 차로 주변의 차선 정보를 자기 차량 기준의 상대좌표계에 대입하여 차선 방정식을 생성하는 차선정보생성수단;을 포함하는 것을 특징으로 하는 차선 정보 생성 시스템.
   
2. 제1항에 있어서,
   상기 차선정보생성수단은,
   상기 라이다에서 인식한 객체에서 연석을 인식하고, 연석까지의 거리를 확인하여 차량이 연석으로부터 몇 번째 떨어진 차로로 주행중인지 확인하는 주행차로확인부;
   정밀지도DB로부터 상기 GPS모듈에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 확인하고, 상기 주행차로확인부에서 확인한 차로의 좌우측 차선에 대한 정보를 추출하는 차선데이터추출부; 및
   상기 차선데이터추출부에서 추출된 차선 정보를 상기 차량 기준의 상대좌표계 상에 상대 좌표로 변환하여 대입한 후 차선 방정식을 생성하는 차선정보생성부;를 포함하는 것을 특징으로 하는 차선 정보 생성 시스템.
   
3. 제2항에 있어서,
   상기 라이다의 스캔 데이터에 따른 연석까지의 제1거리정보와, 상기 GPS모듈에서 획득한 GPS 좌표에서부터 상기 GPS에 대응하는 정밀지도에서 추출한 연석까지의 제2거리정보를 이용하여 상기 GPS 좌표 정보를 갱신 출력하는 위치보정수단;을 더 포함하고,
   상기 차선정보생성수단은 상기 GPS모듈에서 획득한 GPS 좌표 정보를 대신하여 상기 위치보정수단에서 갱신 출력된 GPS 좌표 정보를 사용하는 것을 특징으로 하는 차선 정보 생성 시스템.
   
4. 제3항에 있어서,
   상기 위치보정수단은,
   상기 GPS모듈에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 상기 정밀지도DB로부터 추출하는 지도데이터추출부;
   상기 라이다에서 인식한 객체에서 연석을 인식하고, 연석까지의 제1거리정보를 획득하는 제1거리정보획득부;
   상기 GPS모듈에서 획득한 GPS 좌표에서부터, 상기 지도데이터추출부에서 추출한 정밀지도 중 상기 GPS 좌표에 대응하는 위치의 연석까지 거리인 제2거리정보를 획득하는 제2거리정보획득부;
   상기 제1거리정보 및 제2거리정보의 차이를 이용하여 상기 GPS 좌표 정보의 보정을 위한 좌표 보정 정보를 산출하는 보정정보생성부; 및
   상기 좌표 보정 정보를 상기 GPS 좌표 정보에 반영하여 위치 정보를 갱신하는 위치갱신부;를 포함하는 것을 특징으로 하는 차선 정보 생성 시스템.

Images